200 萬上下文窗口創飛 Gemini 1.5！微軟來砸谷歌場子了

谷歌剛刷新大模型上下文窗口長度記錄，發佈支持 100 萬 token 的 Gemini 1.5，微軟就來砸場子了。

推出大模型上下文窗口拉長新方法——LongRoPE，一口氣將上下文拉至2048k token，也就是 200 多萬！

並且 1000 步微調內，即可完成從短上下文到長上下文的擴展，同時保持原來短上下文窗口性能，也就是説訓練成本和時間又省了一大筆。

網友看不下去了，直呼 “谷歌太慘了”：

此外值得一提的是，這次 LongRoPE 為純華人團隊，論文一作 Yiran Ding，就讀於杭州電子科技大學，於實習期間完成該項工作。

LongRoPE 究竟長啥樣？先來看一波測試效果。

拿 LLaMA2 和 Mistral 試試水

上下文窗口有效拉長，語言模型長文本理解能力可以得到很大提高。研究人員在LLaMA2-7B和Mistral-7B上應用 LongRoPE，從三個方面評估了其性能。

第一項測試是在長文檔上評估擴展上下文語言模型的困惑度。

在 256k 以內的評估長度上，研究人員使用 Proof-pile 和 PG19 數據集來進行測試。

LongRoPE 在 4k-256k 的文本長度上，整體上顯示出困惑度下降的趨勢，優於基準。

△LongRoPE 在 Proof-pile 數據集上的表現

即使在上下文窗口長度是標準長度 16 倍的條件下，LongRoPE-2048k 模型在 256k 上下文長度內也超過了最新基線水平。

△LongRoPE 在 PG19 數據集上的表現

接下來上難度，從 Books3 數據集中隨機選取 20 本書，每本長度超 2048k，使用 256k 的滑動窗口。

研究人員觀察到 2048k 的 LLaMA2 和 Mistral 之間性能差異顯著。

在 8k-128k 的文本長度上二者均取得了與基線相當的或更優的困惑度。LLaMA2 的困惑度隨着文本長度的增加而逐漸下降，在 1024k 和 2048k 長度處略有上升，展示了較好的性能。

不過，Mistral 在較短的長度上勝過基線，但當文本長度超過 256k 時，其困惑度急劇上升。研究人員分析，主要原因是對於 Mistral 的微調採用了與 YaRN 相同的設置，即使用 16k 長度的文本進行訓練，導致了模型難以有效處理更長的文本。

第二項測試是用 Passkey 檢索任務評估在海量無關文本中檢索簡單密鑰的能力。

也就是在很長的文本中隨機隱藏一個五位數的密碼，讓模型找出這個密碼。

結果顯示，現有模型的準確率在文本超度超 128k 後迅速下降到 0。

而 LLaMA2-2048k 在 4k-2048k 文本範圍內保持了 90% 以上的檢索準確率，Mistral-2048k 在 1800k 之前保持了 100% 的準確率，在 2048k 時準確率下降到 60%。

第三項測試是在短 4096 上下文窗口長度內的標準大語言模型基準測試上評估。

這項測試，主要是為了檢驗模型上下文窗口被擴展後，在原有任務上的表現會不會受到負面影響。

LongRoPE-2048k 模型在原始上下文窗口大小的任務上，與原始模型相比表現相當。

在 TruthfulQA 上，擴展後的 Mistral 比原始高出 0.5%；LLaMA2 性能略微下降，但在合理的範圍內。

這是如何做到的？

LongRoPE 可以有效擴展模型上下文窗口關鍵有三：非均勻位置插值、漸進式擴展策略、短上下文窗口性能恢復。

非均勻位置插值

位置嵌入（Positional Embeddings）在 Transformer 架構中，用於幫助模型理解長句中 token 的順序。

位置嵌入通常是預先定義的，並與模型的其他參數一起訓練，當模型需要處理的文本長度超過其訓練時的上下文窗口時，新出現的 token 的位置就需要新的位置嵌入。

而 LongRoPE 通過識別並利用位置嵌入中兩個形式的非均勻性，即不同的 RoPE 維度和 token 位置，優化了位置嵌入，不用微調就能實現 8 倍的上下文窗口擴展。

這種方法通過有效的搜索算法來確定每個 RoPE 維度的最佳縮放因子，針對每個 RoPE 維度的旋轉角進行了重新縮放，同時也考慮了 token 位置的影響。

這樣，模型在擴展上下文窗口的同時，能夠更好地保留關鍵的維度和位置信息，減少信息損失。

漸進式擴展策略

此外，LongRoPE 採用了一種漸進式擴展的方法。研究人員先對預訓練的大模型進行微調，使其適應 256k 長度的文本。

然後，在微調後模型基礎上進行搜索，找到新的位置插值參數以重新縮放 RoPE，最終實現 2048k 上下文窗口，這個過程無需額外微調。

短上下文窗口性能恢復

在 RoPE（旋轉位置編碼）中，超長上下文窗口會使得原始窗口內的維度被迫聚集在更小範圍內，從而影響模型性能。

為此，研究人員調整了短上下文窗口 RoPE 的重縮放因子，使其與長上下文時不同，緩解了性能下降的問題。

通過這種動態調整機制，LongRoPE 在處理極長文本和處理短文本時都表現良好。

LongRoPE 發佈後，部分網友認為 RAG 恐面臨淘汰：

不過也有質疑的聲音：

論文鏈接：https://arxiv.org/abs/2402.13753 參考鏈接：https://twitter.com/xiaohuggg/status/1760547784879722538

— 完 —

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。